Uso de PCA y correlación canónica para pronosticar rendimientos de Ethereum

Resumen

Este artículo evalúa métodos de reducción de dimensionalidad para estudiar la relación entre Bitcoin y Ethereum y pronosticar los rendimientos de Ethereum. El conjunto de datos utiliza rendimientos logarítmicos y otras covariables. Los autores empiezan con la correlación de Pearson como medida preliminar de la relación entre las dos criptomonedas; después aplican el análisis de correlación canónica y el análisis de componentes principales para reducir la dimensionalidad de los datos y examinar las relaciones entre activos.

Para la tarea predictiva, el estudio utiliza características de Bitcoin para pronosticar los rendimientos de Ethereum y mide el rendimiento de las técnicas estadísticas. La descripción proporcionada expone el diseño de la investigación, pero no da puntuaciones de pronóstico, fechas de la muestra, detalles del modelo ni comparaciones con una referencia. Por tanto, indica qué métodos se evaluaron, pero no muestra si la reducción de dimensionalidad mejoró los pronósticos ni si las relaciones se generalizarían más allá de los datos analizados. El estudio se centra en los vínculos estadísticos y los pronósticos de rendimientos entre dos criptomonedas, no en una estrategia de trading completa con reglas de ejecución o de riesgo.

Ideas clave

• El estudio analiza los vínculos entre Bitcoin y Ethereum mediante sus rendimientos logarítmicos y covariables adicionales.
• La correlación de Pearson ofrece una evaluación inicial de la relación entre los dos activos.
• Se utilizan el análisis de correlación canónica y el análisis de componentes principales para reducir la dimensionalidad.
• La tarea predictiva pronostica los rendimientos de Ethereum utilizando características de Bitcoin.
• La descripción proporcionada no presenta puntuaciones de pronóstico ni demuestra que los métodos mejoren las predicciones.

Etiquetas

# Dimensionality reduction for prediction: Application to Bitcoin and Ethereum


# Dimensionality reduction for prediction: Application to Bitcoin and Ethereum









The objective of this paper is to assess the performances of dimensionality reduction techniques to establish a link between cryptocurrencies. We have focused our analysis on the two most traded cryptocurrencies: Bitcoin and Ethereum. To perform our analysis, we took log returns and added some covariates to build our data set. We first introduced the pearson correlation coefficient in order to have a preliminary assessment of the link between Bitcoin and Ethereum. We then reduced the dimension of our data set using canonical correlation analysis and principal component analysis. After performing an analysis of the links between Bitcoin and Ethereum with both statistical techniques, we measured their performance on forecasting Ethereum returns with Bitcoin s features.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.